uso de procesos de alcance de consenso para mejorar la recomendación a grupos

Uso de procesos de alcance de consenso paramejorar la recomendación a grupos

Jorge Castro, Francisco J. Quesada, Luis Martínez

jcastro@decsai.ugr.es

LODISCO 3 – Toma de decisiones difusas o en ambientes de incertidumbre II

Department of Computer Science and Artificial Intelligence, University of Granada, Spain

Computer Science Department, University of Jaén, Spain

sinbad2.ujaen.es sci2s.ugr.es

Outline

Preliminares

Sistemas de recomendación

Recomendación a grupos

Motivación

Procesos de alcance de consenso en Toma de Decisiones en Grupo

Propuesta: Alcance de consenso en recomendación a grupos

Caso de estudio

Conclusiones

Sistemas de recomendación

… any system that produces individualized recommendations as output or hasthe effect of guiding the user in a personalized way to interesting or usefulobjects in a large space of possible options.

R.Burke, Hybrid Recommender Systems: Survey and Experiments

Ejemplos

Spotify

Netflix

Amazon

Técnicas

Basados en contenido

Colaborativos

Híbridos

Información

Atributos de usuarios

Atributos de productos

Preferencias

Sistemas de recomendación colaborativos

Valoraciones

de los usuarios

ru ,i 1 n

ru ,i 1 j

ru ,i 1 1

ru ,i m 1

ru1

ruqru ,i m j

ru ,i m n

Vecindario del

usuario activo

Top-N productos

con mayor predicción

Itop-3

Itop-1

Itop-2 ru ,i

i 1ru i

ru ,i i j

ru ,i i n

Predicción de valoraciones

a partir del vecindario

rv2

,i1

rv2,i jrv

2,in

rv1,i1rv1,i j

rv1,in

rv3,i1rv3,i j

rv3,in

pu,i 1pu,i j

pu,i n

Información: Preferencias implícitas o explícitas

Predicción para productos no experimentados

Filtrado colaborativo basado en vecinos cercanos

Recomendación a grupos

Productos sociales restaurantes, puntos de interés turístico, música

Técnicas: agregación de valoraciones o recomendaciones

Itop-1

Itop-2

Recomendaciones

para el grupo

Recomendaciones

para cada miembro

Itop-3 Itop-1 Itop-2 rg1

rg2

r

Recomendación

Sistema de

recomendación

a individuos

g3,i1

rg2,i1

rg1,i1rg1,i j

rg2,i j

rg3,i jrg3,in

rg2,in

rg1,in

Itop-3

Itop-3 Itop-1 Itop-2

Itop-3 Itop-1 Itop-2 rg3

Preferencias de los miembros

Motivación

Recomendaciones de grupo no satisfactorias para los miembros

Minimizar la insatisfacción de los miembros

Dinámicas de grupo

influencia del grupo

negociación entre los miembros

Satisfacción Acuerdo en Toma de Decisión en Grupo

Procesos de alcance de consenso

Objetivo: mejorar la satisfacción del grupo aplicando consenso

Toma de decisiones en grupo

Toma de decisiones en grupo

Grupo de expertos

Varias alternativas

Preferencias de cada experto sobre las alternativas

Objetivo: Seleccionar la mejoralternativa

Los expertos pueden no estar satisfechoscon la alternativa seleccionada

Recomendación a grupos

Grupo de usuarios

Varios productos

Preferencias individuales sobre losproductos

Objetivo: Seleccionar el productoque satisface al grupo

Mejorar la satisfacción individual haciala recomendación de grupo

Procesos de alcance de consenso

Consensus is defined as a state of mutual agreement, in which all opinions have been taken into account and every individual concern has been addressed.

Proceso de negociación

Moderador guíael proceso

Consensoautomático

Propuesta: Alcance de consenso en recomendación a grupos

Mejora de las recomendaciones mediante consenso

Consenso sobre las recomendaciones individuales

Nivel de consenso a alcanzar

Propuesta: Fase de recomendación

u1

u2

u i

i1 i t

r r t

r r t

r i r it

Ratings over items

Collaborative

ltering

algorithm

Borda count

x1 xn

r r t

r t

rmt

Predictions over items

for group members

rm

r

i1 i t

r r n

r n

rmnrm

r

Predictions over top-n

commonly predicted

items (n << t)

All

Users

Propuesta: Fase de consenso

Caso de estudio

Conjunto de datos: MovieLens 100k

Validación: hold-out 80-20

Generados 30 grupos aleatorios de 5 miembros

Técnicas comparadas

Baseline: Agregación de recomendaciones, minimizar la insatisfacción

Propuesta: Nivel de consenso mínimo: 0.80, 0.85, 0.90

Caso de estudio

Área bajo ROC

Orden de las recomendaciones

0.5, orden aleatorio

1.0, orden perfecto

La propuesta mejora los resultados

Caso de estudio

Precisión de las recomendaciones

Ratio de productos relevantes

Tamaño de la lista de recomendaciones

Conclusiones

Recomendación a grupos

Agregación de recomendaciones

Recomendaciones no satisfactorias

Minimizar la insatisfacción de los miembros

Consenso automático para mejorar las recomendaciones

Mejora de los resultados en AUC y Precisión

Trabajo futuro

Visualización del consenso alcanzado

Uso de procesos de alcance de consenso paramejorar la recomendación a grupos

Jorge Castro, Francisco J. Quesada, Luis Martínez

jcastro@decsai.ugr.es

LODISCO 3 – Toma de decisiones difusas o en ambientes de incertidumbre II

Department of Computer Science and Artificial Intelligence, University of Granada, Spain

Computer Science Department, University of Jaén, Spain

sinbad2.ujaen.es sci2s.ugr.es